社交网络的出现使现代人们沟通交流的方式发生了颠覆性的变化。不断有研究者从社会角度和技术角度对社交网络进行研究。链路推荐是一个非常重要的任务,一方面增强网络内部联系,另一方面改善用户体验。目前,在考虑网络结构信息和节点属性信息的社交属性拓展网络模型中链路预测算法中还没有很好的综合利用两种信息对链路生成的影响。本文在基于局部信息的链路预测算法下考虑不同类型共同邻居节点对链路生成的影响,并将其应用于社交属性拓展网络模型中。在改进的算法中,用户共同邻居节点和属性共同邻居节点对链接相关性的影响被给予不同的处理。在Google+社交数据集的实验表明,在社交属性拓展网络模型下,本文改进算法优于不考虑共同邻居节点影响的算法。在总结实验结果中用户共同邻居节点和属性共同邻居节点对链接生成的不同影响后,对不同类型节点的处理方法提出指导性建议。